使用不同数量的空格解析名称和地址信息答案

【问题标题】：Parsing name and address information with differing number of spaces使用不同数量的空格解析名称和地址信息
【发布时间】：2010-01-19 21:23:11
【问题描述】：

我有一个逗号分隔的文本文件。每行的第 5 个字段包含姓名和地址信息。名称与街道信息之间用“¬”字符分隔。相同的字符也分隔 city|state|zip。示例字段为：
"¬BOL¬MICKEY M MOUSE¬123 TOMORROW LANE¬ORLANDO FL 12345-6789¬¬¬EOL¬"

我需要将名称分成几部分，将城市|州|zip 分成几部分。但是，名称可能有也可能没有中间名首字母，所以：

m = l[4].split("¬")
firstName, mi, lastName = m[2].split()

如果没有中间名首字母将不起作用。此外，城市名称可能有也可能没有空格，所以：

城市，州，邮政编码 = m[4].split()

例如，如果城市是“圣安东尼奥”或“里约热内卢”，则无法使用。

底线，我如何解析一个字段的部分，其中部分的格式并不总是相同？

【问题讨论】：

在空白处分割并测试结果有多少子字符串。

标签： python parsing street-address

【解决方案1】：

在您的示例中，您似乎可以在这两种情况下通过获取“第一个字段”、“最后一个字段”和“中间的所有内容”来解决问题：

m = line.split("¬")[2].split()
firstname = m[0]
surname = m[-1]
initials = m[1:-1] # Maybe just keep this as a list?

还有：

m = line.split("¬")[4].split()
city = ' '.join(m[:-2])
state = m[-2]
zipCode = m[-1]

通常，您可以通过从开头和结尾获取“固定”字段来处理包含空格的单个字段，剩下的就是可以包含空格的字段。只要您有两个包含空格的字段在同一列中，您无能为力。它的定义模棱两可。

对于您拥有的数据格式，如果有些人的名字或姓氏包含空格，例如 Robert Van de Graff，您可能会遇到一些问题。如果您有首字母，则可以通过查找仅包含一个字母的单词来解决此问题，例如：Robert J. Van de Graaff，并使用这些单词来定义名字和姓氏的开始和结束位置。但总的来说，您可能会遇到问题。

这里还隐藏着一个国际化问题：不是每个人都先写他们的“名字”——有时他们会先写他们的姓氏。

【讨论】：

我在“split split”行收到一个 AttributeError：AttributeError: 'list' object has no attribute 'split'。我在 Windows XP 下使用 ActiveState 的 ActivePython 2.6。
你是对的。在测试您的建议时，一些姓氏有空格（即 Ronald H Mc Donald）。我将把中间首字母是列表 ['H', 'Mc'] 的情况写到一个错误文件中，以不同方式处理。
@CountBoxer：在这种情况下，Mc 几乎可以肯定是姓氏的一部分。好像有人输入不正确。这在真实数据中经常发生。不过，两个中间名首字母并没有错——例如，我有两个中间名。您可以搜索包含一个字母的所有单词并说这些是首字母，之前的任何内容都是名字，之后的任何内容都是姓氏。如果缺少名字或姓氏，这是一个错误。如果没有首字母，您只需做出最佳猜测。

【解决方案2】：

基本上按照 Anon 的建议，您可以这样实现：

cityInfo = m[4].split()
city, state, zipCode = ' '.join(cityInfo[:-2]), cityInfo[-2], cityInfo[-1])

【讨论】：

如果我拆分空格并测试数组的长度： name = m[2].split() if len(name) == 2: firstName, lastName = m[2].split () mi = "" elif len(name) == 3: firstName, mi, lastName = m[2].split() else: print "Error in name: %s" % (m[2]) firstName, mi , lastName = "", "", "" 但这对于 city|state|zip 数据......和丑陋的代码是不切实际的。